MCP 是大模型应用的插头标准:工具服务器写一次,任何支持 MCP 的客户端都能使用。
工作原理
规范描述了三种角色,它们之间用 JSON-RPC 2.0 消息通信:
- 宿主(Host):“LLM applications that initiate connections”(译文:发起连接的大模型应用),例如 IDE 里的智能体或聊天应用。
- 客户端(Client):“Connectors within the host application”(译文:宿主应用内部的连接器),每个服务器对应一个。
- 服务器(Server):“Services that provide context and capabilities.”(译文:提供上下文和能力的服务。)
服务器可以提供工具(模型可以执行的函数)、资源(数据和上下文)和提示词(消息模板)。规范定义了两种标准传输方式:用于本地子进程的 stdio,以及 Streamable HTTP,后者每条消息都是一个 HTTP POST,回复以 JSON 或服务器发送事件流的形式返回。
对于工具,客户端发送 tools/list,拿到名称、描述和 JSON Schema 格式的 inputSchema,再把它们作为工具定义交给模型。当模型返回一个工具调用时,客户端带着参数发送 tools/call,并把结果交回给模型。
{"jsonrpc": "2.0", "id": 2, "method": "tools/call",
"params": {"name": "get_weather", "arguments": {"location": "New York"}}}
模型从不直接与 MCP 服务器通信。它只看到工具定义和结果,所以 MCP 适用于任何能很好地处理工具调用的模型。
为什么重要
- 复用。 一个 GitHub 或数据库服务器,可以服务所有支持 MCP 的智能体和编辑器。
- token 费用。 每个已列出工具的名称、描述和 schema,都会在每一轮作为输入发送。服务器多、工具多,每个请求就更长。只启用任务需要的工具。
- 安全。 规范指出,工具 “represent arbitrary code execution”(译文:意味着任意代码执行),宿主在调用任何工具之前都必须征得用户同意。工具结果也是提示词注入的一条途径。
在 BroadNet Inference 上
BroadNet 的文档没有列出 MCP 服务器或 MCP 专用端点。MCP 在你的客户端(Cline、Continue、opencode 等)里运行,客户端所用的模型则指向 BroadNet 的 OpenAI 兼容 API。BroadNet 的文档为 GLM 5.3 和 Qwen3.8 27B 列出了工具调用。在 OpenAI 兼容模型上使用 MCP 一文展示了客户端配置和一个 Python 桥接程序。